Example:
Input: S = "ADOBECODEBANC", T = "ABC" Output: "BANC"
Note:
- If there is no such window in S that covers all characters in T, return the empty string
"". - If there is such window, you are guaranteed that there will always be only one unique minimum window in S.
就是说要在 S(source) 中找到包含 T(target) 中全部字母的一个子串，且这个子串一定是所有可能子串中最短的。
如果我们使用暴力解法，代码大概是这样的：
思路很直接，但是显然，这个算法的复杂度肯定大于 O(N^2) 了，不好。
滑动窗口算法的思路是这样：
1、我们在字符串 S 中使用双指针中的左右指针技巧，初始化 left = right = 0，把索引左闭右开区间 [left, right) 称为一个「窗口」。
2、我们先不断地增加 right 指针扩大窗口 [left, right)，直到窗口中的字符串符合要求（包含了 T 中的所有字符）。
3、此时，我们停止增加 right，转而不断增加 left 指针缩小窗口 [left, right)，直到窗口中的字符串不再符合要求（不包含 T 中的所有字符了）。同时，每次增加 left，我们都要更新一轮结果。
4、重复第 2 和第 3 步，直到 right 到达字符串 S 的尽头。
这个思路其实也不难，第 2 步相当于在寻找一个「可行解」，然后第 3 步在优化这个「可行解」，最终找到最优解，也就是最短的覆盖子串。左右指针轮流前进，窗口大小增增减减，窗口不断向右滑动，这就是「滑动窗口」这个名字的来历。
下面画图理解一下，needs 和 window 相当于计数器，分别记录 T 中字符出现次数和「窗口」中的相应字符的出现次数。
初始状态：
增加 right，直到窗口 [left, right] 包含了 T 中所有字符：
现在开始增加 left，缩小窗口 [left, right]。
直到窗口中的字符串不再符合要求，left 不再继续移动。
之后重复上述过程，先移动 right，再移动 left…… 直到 right 指针到达字符串 S 的末端，算法结束。
如果你能够理解上述过程，恭喜，你已经完全掌握了滑动窗口算法思想。现在我们来看看这个滑动窗口代码框架怎么用：
首先，初始化 window 和 need 两个哈希表，记录窗口中的字符和需要凑齐的字符：
然后，使用 left 和 right 变量初始化窗口的两端，不要忘了，区间 [left, right) 是左闭右开的，所以初始情况下窗口没有包含任何元素：
其中 valid 变量表示窗口中满足 need 条件的字符个数，如果 valid 和 need.size 的大小相同，则说明窗口已满足条件，已经完全覆盖了串 T。
现在开始套模板，只需要思考以下四个问题：
1、当移动 right 扩大窗口，即加入字符时，应该更新哪些数据？
2、什么条件下，窗口应该暂停扩大，开始移动 left 缩小窗口？
3、当移动 left 缩小窗口，即移出字符时，应该更新哪些数据？
4、我们要的结果应该在扩大窗口时还是缩小窗口时进行更新？
如果一个字符进入窗口，应该增加 window 计数器；如果一个字符将移出窗口的时候，应该减少 window 计数器；当 valid 满足 need 时应该收缩窗口；应该在收缩窗口的时候更新最终结果。
1 class Solution { 2 public: 3 string minWindow(string s, string t) { 4 unordered_map<char,int> need_map; 5 unordered_map<char,int> window_map; 6 for(auto c:t) { 7 need_map[c]++; 8 } 9 int left = 0; 10 int right = 0; 11 int valid_cnt = 0;// 符合条件的char计数 12 int res_start = 0; 13 int res_len = INT_MAX; 14 while(right < s.size()) { 15 16 char cur_c = s[right]; 17 // 更新窗口数据 18 if(need_map.find(cur_c) != need_map.end()) { 19 window_map[cur_c]++; 20 if(window_map[cur_c] == need_map[cur_c]) 21 valid_cnt++; 22 } 23 // 窗口扩大 24 right++; 25 26 printf("window: [%d, %d)\n", left, right); 27 28 // 缩减窗口 29 while(valid_cnt == need_map.size()) { // 30 31 // 更新结果 32 if(res_len > right - left) { 33 res_len = right - left; 34 res_start = left; 35 } 36 // 缩减窗口 37 char cur_c = s[left]; 38 left++; 39 40 // 更新窗口数据 41 if (need_map.find(cur_c)!=need_map.end()) { 42 if(window_map[cur_c] == need_map[cur_c]) 43 valid_cnt--; 44 window_map[cur_c]--; 45 } 46 } 47 } 48 return res_len == INT_MAX ? "" : s.substr(res_start, res_len); 49 } 50 };
1 class Solution { 2 public String minWindow(String s, String t) { 3 4 if(s.length()<t.length()) 5 return ""; 6 Map<Character,Integer> wordDict = constructWordDict(t); 7 8 int slow =0,minLen=Integer.MAX_VALUE,fast=0,matchCount=0,start = 0; 9 for(fast=0;fast<s.length();fast++){ 10 char ch = s.charAt(fast); 11 Integer cnt = wordDict.get(ch); 12 13 //当前字符不在map中，fast++ 14 if(cnt ==null) 15 continue; 16 wordDict.put(ch,cnt-1); 17 18 //当前字符在map中，且 cnt==1，需要这个match, match总数++ 19 if(cnt==1) 20 matchCount++; 21 22 // 如果 match的个数够了，尝试移动slow,使其更短 23 while(matchCount==wordDict.size()){ 24 //更新最短长度 25 if(fast-slow+1<minLen){ 26 minLen = fast-slow+1; 27 start=slow; 28 } 29 //移动slow 30 char left = s.charAt(slow++); 31 Integer leftCnt = wordDict.get(left); 32 //当 slow 对应的字符串不在map中，说明当前字符串不需要match，继续移动 33 if(leftCnt==null) 34 continue; 35 36 //当slow 对应的字符串在map中时，map中的key+1, 37 wordDict.put(left,leftCnt+1); 38 //如果slow对应的元素cnt==0，说明移动过头了，需要重新match slow对应的元素 39 if(leftCnt==0) 40 matchCount --; 41 42 } 43 } 44 return minLen==Integer.MAX_VALUE?"":s.substring(start,start+minLen); 45 } 46 private Map<Character,Integer> constructWordDict(String s){ 47 Map<Character,Integer> map = new HashMap<>(); 48 for(char ch :s.toCharArray()){ 49 Integer cnt = map.get(ch); 50 if(cnt==null) 51 map.put(ch,1); 52 else 53 map.put(ch,cnt+1); 54 } 55 return map; 56 } 57 }
https://www.youtube.com/watch?v=9qFR2WQGqkU